基于多频段sar极化数据的海冰分类分析-sea ice classification analysis based on multiband sar polarization data.docxVIP

基于多频段 SAR 极化数据的海冰分类研究摘要海冰分类 是 SAR 海 冰遥感监 测领域 中的 重要应用 。多频 段、 多极化 SAR 遥感数 据可以 提供 多 个频段 的极化 、相 位 和能量 等信息 ，能 够 更加全 面的描述 电磁散射 特性和 复杂 的海冰目 标，增强 了 SAR 海冰分 类与识 别 能力 。本文 基于 SIR-C SAR 系统获取 的双频段 全极化 数据 ，对 C 和 L 频段 SAR 极化特征 数据 在海冰分 类与识 别中 的应用进 行了深 入研 究，主要 工作和 内容 如下：1) 本文阐述 了 SAR 极 化 基础理论 ，系统 地介 绍了常用 于 SAR 海 冰 识别与 分类的两 类 SAR 极 化 特征，以 及各种 SAR 极化特征 的提取 、表 示方法和 相互 关系。2) 基于 SIR-C SAR 系统 获取的南 极威德 尔海 域 C 和 L 频段 全极化 海冰 SAR 数据，利用 样本统 计 方法和监 督分类 器，对单频段 SAR 极化 特 征以及 组合双频 段 SAR 极化 特征的 海 冰 辨识能力进行 了定 性和定量 评估 ，并据 此对每一 项极化 特征在南 极海域 中的 识别能力 进行了 排序 ，分析和 讨论 了组合 双 频段 SAR 极化 特征在提高 SAR 海冰 分类与识 别能力 中的 优势与局 限。3)针对组合 C 和 L 频段 极化 SAR 数 据在提高 SAR 海冰 分类与 识 别能力中 的局限， 引入两 种数 据融合方 法，分 别对 SIR -C 双频段 SAR 极化特征 数据进 行融合， 以进一 步提 高其 海冰 分类与 识别 能力 。最 大似然 分类 器被用于 验证融 合数据的 海冰分 类能 力。实验 结果表 明， 主分量分 析（ Principal Component Analysis，PCA）方 法能够有 效提高 SIR-C 双频段 SAR 极化特 征数据在 海冰分 类应用中 的能力 ，而 局部线性 嵌入算 法（ Locally Linear Embedding ,LLE）对提 升双频段 SAR 极化 特 征数据在 海冰分 类应 用中的有 效性似 乎并 没有帮助 。关键词 ：海冰分类 SIR-C 双频 段极化 特征 数据融合 主 分量分 析 局部 线性嵌 入算法Study on Sea Ice Classification using Multi-frequency and Polarimetric SAR DataABSTRACTSea ice classification is a very important application in the field of sea ice SAR remote sensing monitoring. Multi-frequency polarimetric SAR data, compared to the traditional single-frequency SAR data, could provide more information such as polarization, phase and energy in different frequency, which allows for a more comprehensive description of the very complicated electromagnetic s cattering characteristics of sea ice and enhances capabilities of SAR data for sea ice classification and identification. In this dissertation, C-and L-frequency polarimetric SAR data obtained from spaceborne SIR-C SAR was used on an in-depth study on the application of classification and identification, major works and reads as follows:This dissertation illustrated the basic theory of polarimetric SAR and summarized two major categories polarimetric SAR quantities commonly used in the classification and identification classification of